Milvus是一个开源的向量搜索引擎，提供了可插拔、高度可扩展的数据处理方式和多种索引类型。下面是一个使用Python的Milvus基本示例：

1. 首先安装Python Milvus SDK：

pip install pymilvus==2.0.0rc5  

注意: 请根据你的环境选择合适的版本，以上命令可能会随着时间推移而变化。

2. 启动Milvus服务器。您可以参照官方文档关于如何通过Docker启动Milvus。

3. 使用Python连接到Milvus并创建向量数据库：

from pymilvus import connections, FieldSchema, CollectionSchema, DataType, Collection  
# 连接到Milvus服务器  
connections.connect("default", host="localhost", port="19530")  
# 定义字段和集合模式  
dim = 128  
fields = [  
    FieldSchema(name="id", dtype=DataType.INT64, is_primary=True),  
    FieldSchema(name="embedding", dtype=DataType.FLOAT_VECTOR, dim=dim)  
]  
schema = CollectionSchema(fields=fields, description="test collection")  
# 创建向量数据库  
collection = Collection(name="my_collection", schema=schema)  
# 插入一些向量数据  
import numpy as np  
vectors = np.random.rand(100, dim).tolist()  
ids = [i for i in range(len(vectors))]  
mr = collection.insert([ids, vectors])  
# 执行查询  
topK = 10  
query_embedding = vectors[0]  
res = collection.search(query_embedding, "embedding", param={'nprobe': 10}, limit=topK)  

以上代码连接到本地的Milvus服务器，创建一个集合（相当于传统数据库中的表），并插入一些随机生成的向量数据。然后执行一个查询，返回查询向量的最近邻。